matplotlib.colors.AsinhNorm #
- classe matplotlib.colors. AsinhNorm ( linear_width = 1 , vmin = None , vmax = None , clip = False ) [source] #
Socles :
AsinhNorm
L'échelle sinusoïdale hyperbolique inverse est approximativement linéaire près de l'origine, mais devient logarithmique pour des valeurs positives ou négatives plus importantes. Contrairement au
SymLogNorm
, la transition entre ces régions linéaires et logarithmiques est douce, ce qui peut réduire le risque d'artefacts visuels.Noter
Cette API est provisoire et peut être révisée à l'avenir en fonction des premiers commentaires des utilisateurs.
- Paramètres :
- linear_width flottant, par défaut : 1
La largeur effective de la région linéaire, au-delà de laquelle la transformation devient asymptotiquement logarithmique
- Paramètres :
- vmin, vmax flottant ou Aucun
Si vmin et/ou vmax ne sont pas donnés, ils sont initialisés respectivement à partir de la valeur minimale et maximale de la première entrée traitée ; c'est-à-dire
__call__(A)
les appelsautoscale_None(A)
.- clip booléen, par défaut : False
Si
True
les valeurs se trouvant en dehors de la plage , sont mappées sur 0 ou 1, selon la valeur la plus proche, et les valeurs masquées sont définies sur 1. Si les valeurs masquées restent masquées.[vmin, vmax]
False
L'écrêtage va à l'encontre de l'objectif de définir les couleurs sur, sous et masquées dans une palette de couleurs, il est donc susceptible de conduire à des surprises ; donc la valeur par défaut est
clip=False
.
Remarques
Renvoie 0 si .
vmin == vmax
- __call__ ( valeur , clip = Aucun ) [source] #
Normalisez les données de valeur dans l' intervalle dans l' intervalle et renvoyez-les.
[vmin, vmax]
[0.0, 1.0]
- Paramètres :
- évaluer
Données à normaliser.
- clip bool
Si
None
, est par défautself.clip
(qui est par défautFalse
).
Remarques
S'ils ne sont pas déjà initialisés,
self.vmin
etself.vmax
sont initialisés à l'aide deself.autoscale_None(value)
.
Exemples utilisant matplotlib.colors.AsinhNorm
#
Normalisations de la palette de couleurs SymLogNorm